作者查詢 / jackfantasy
作者 jackfantasy 在 PTT 全部看板的留言(推文), 共1004則
限定看板:全部
看板排序:
37F推: 韓國以前星海一正紅的時候有女子聯賽01/14 02:00
40F→: 2010左右女子聯賽取消後只有一個女帝STX_Soul ToSsGi01/14 02:03
41F→: rl繼續有競爭力的參加男生為主的戰隊聯賽和個人聯賽01/14 02:03
37F推: 就他強到幾乎搜刮所有冠軍 大家只爭第二 很沒意義所12/28 18:13
38F→: 以毀滅吧12/28 18:13
909F推: 台灣掰掰12/24 17:34
190F推: 好少人玩Quake哦 FPS中1v1的經典耶12/06 17:50
191F→: 每年還有quake con12/06 17:51
34F推: 天選之人11/11 17:10
34F推: 屠雞思教主11/10 16:50
79F推: 王者再臨11/09 18:50
86F推: SoO 4:3 TY11/04 23:25
3F推: 1樓是的 現在大部分AI都有類神經網路在裡面 也就是常11/04 08:29
4F→: 聽到的neural network11/04 08:29
5F→: 其實對AI來說 所謂的學習 是去逼近11/04 08:30
6F→: 如果你願意相信 則其實世界上所有的事物都可以轉化對11/04 08:31
7F→: 應成一個數學函數 可能很複雜 可能很簡單y=ax+b11/04 08:31
8F→: AI的概念就是我不知道a,b但是我從一堆資料裡面去逼近11/04 08:33
9F→: 出a,b是什麼 學到這個f(x)11/04 08:33
10F→: 然後接下來你給我x我一定可以預測出y11/04 08:33
11F→: 所以才說訓練資料很重要 如果你的訓練資料有偏頗 或11/04 08:35
12F→: 是太少 他根本無法逼近出真正的那個f(x) 就會變成預11/04 08:35
13F→: 測很爛 很不准 或是打很爛 但這就是他從資料中學到的11/04 08:35
14F→: 類神經也就是neural network 做的就是我用一堆神經元11/04 08:37
15F→: 來讓AI可以逼近超複雜 不只是a b兩個參數 而是上萬11/04 08:37
16F→: 個參數的函數11/04 08:37
20F推: 星海跟AlphaGo用的呢是neural mdtwork的一個分支 叫11/04 09:10
21F→: 做reinforcement learning 強化學習11/04 09:10
22F推: 一樣是逼近找出數學函數 但是這個數學函數表示的是一11/04 09:16
23F→: 個叫做「決策」的條件機率 也就是AI「觀察」到現在這11/04 09:16
24F→: 個「狀態」 然後決定要做什麼「動作」11/04 09:16
25F→: 每一個「動作」會得到「獎勵」 目標是使得整局比賽獎11/04 09:17
26F→: 勵最大11/04 09:17
27F→: 對啊 這參數量真的很大 因此要在學習過程懂得刪減掉11/04 09:19
28F→: 機率太小的決策以減少計算 而且訓練過程需要的電腦數11/04 09:19
29F→: 量至少幾千幾萬台 時間也要四、五個月11/04 09:19
66F推: 其實笑是正常的 如果身為懂AI的人更該高興 因為你正11/04 23:13
67F→: 在目睹市場被教育11/04 23:13
68F→: Google DeepMind比起征服圍棋有另一個更大的重點跟使11/04 23:15
69F→: 命-教育市場 為未來的AI產業開拓市場 越多人瞭解AI本11/04 23:15
70F→: 質 就越能接受他 使用他 為他付費11/04 23:15
71F→: Google更是在大家都不懂AI是什麼時 透過征服圍棋 讓11/04 23:16
72F→: 大家有了Google是AI產業領導品牌的形象11/04 23:16
73F→: 比起下圍棋 這是更大的一步棋11/04 23:16
74F→: 所以何必笑或是生氣外人看不懂AI 當你是第一個教育市11/04 23:17
75F→: 場的人 你就賺錢了 這也許是台灣產業和專家、工程師11/04 23:17
76F→: 該學的11/04 23:17
187F推: Terraned/毒奶族勝11/04 01:29